一种视频通信伽玛特性的校正方法和装置的制作方法

专利名称：一种视频通信伽玛特性的校正方法和装置的制作方法
技术领域：
本发明涉及视频通讯技术领域，具体涉及一种视频通信伽玛特性的校正方 法和装置。
背景技术：
视频通信，尤其是多方视频通信，目前正在随着宽带网络的迅速发展，得到日益广泛的应用。在国内和国际上，；f见频会"R和可^L电话业务正在成为NGN (Next Generation Network,下一代网络)上的基本业务。各国的电信运营商也 非常重视这个市场机会。预期在未来几年中，视频通信业务将成为运营商重要 的业务增长点。发展视频通讯业务的一个关键问题是提高端到端(End-to-end)的用户 体验(User Experience或者Quality of Experience )。用户体验中除了网络的QoS 如丢包、延迟、抖动、R因子等参数外，对于视频，由于各个环节引起的Gamma (伽玛)非线性问题造成的对亮度信号的畸变(Distortion)，也是影响最终用 户体验的重要因素。目前，对于提高端到端用户体验的方法和技术主要集中在保证网络QoS和 视频压缩编码相关的前后处理(Pre-processing, post-processing)方面。对于 Gamma特性引起的亮度畸变问题，缺乏关注和系统的解决方法。但是，该问题 的重要性已经引起了一些国际大电信运营商的关注。下面对Gamma特性进行简要介绍。视频通信的过程为需要被传送的场景如人物、背景、文件等的光信号进 入到视频通信终端(下文简称终端)如摄像机/摄像头等，经过A/D转换成数字
图像信号，再经过压缩编码，传送出去，到达对方终端，然后，经过去压缩(decompression)解码还原为数字图像信号，再在显示设备上显示出来，最终 又变成光信号被人眼感知。在上述过程中，图像亮度信号经过了多个环节。根 据定义，Gamma特性就是一个环节的图像亮度信号的输入-输出关系不是线性 的，而是一种非线性的关系。这里的图像亮度信号(Luminance)是一种广义 的亮度信号，即一开始的光信号，到电信号，再到数字化的图像亮度/灰度信号， 每个阶段的信号都含有图像亮度信号的信息，因此，广义地说，图像亮度信号 经过了多个环节。单个环节Gamma特性的一般模型如附图l所示。图1中，输入亮度信号和输出亮度信号的非线性的关系可以表示为L。ut = G(Lin)，其中，L。ut为输出亮度信号，Lin为输入亮度信号，函数G(.)为一个 非线性函数。典型的Gamma特性示例如附图2所示。图2中的每一个方块中标注的数字为亮度值，方块的灰度表示亮度信号的 明亮程度。图2(a)中，上面的一行灰度方块的亮度是线性递增的，即从O.l 递增到l.O，下面一行灰度方块的亮度是按照幂函数规律递增的，也就是说，下 面一行灰度方块的亮度经过了Gamma非线性的失真影响。图2(b)中给出的是 以曲线表示的Gamma特性。当多个环节级联(cascading)起来或者说串联起来时，则总的Gamma特性 等于各个环节Gamma函数的复合(composition)。多个环节级联的Gamma特性的 一般模型如附图3所示。图3中，每个环节的输入亮度信号和输出亮度信号的非线性的关系分别为 丄out二G")(丄in) 、 ￡out=G(2)(Zin)、丄out二G("(丄in)。由此可以得知各个环节Gamma函数的复合为公式(1 )所示G(了 (.) = G。) (.) o G(2) (.) o G(3> ( )........G("-1) (> (.)L,=GCT(U = G(")(G("-')(G("-"(.......G(2)(G(')(U))))
其中，"。，，表示函数的复合运算。CT表示cascadedtotal,即级联总Gamma 的意思。在实际中，Gamma非线性是由不同原因引起的。显示设备如CRT显示器的 Gamma特性在理想状况下是Loin— Lin (2) 而对应的摄像机/摄像头的理想的Gamma特性是T=T 045 m Lout从Gamma问题的起源来看，Gamma问题起源于CRT显示器，因为其Gamma 值是2.2,为了补偿掉这个非线性，在摄像机中引入了Gamma值0.45。在这个例 子中，Gamma特性的形式是一个幂函数(Power Function)。需要说明的是， 这里的输入和输出亮度信号都是在各自的坐标空间中进行了规一化 (Normalized)的，即0^L。u^1， 0^Lir^l。而其它类型的显示器比如液晶等，其 Gamma函数的形式或者会有所不同，或者虽然在形式上也是幂函数，但是参数 不同。理想的情况是输入亮度信号和输出亮度信号之间存在线性关系，即L。ut= Lin。要获得线性关系，必须对于具有非线性Gamma特性的环节进行Gamma校 正(Gamma Correction)。对一个Gamma环节的Gamma校正原理图如附图4所示。图4中，对于一个环节来说，其Gamma特性给定即L。ut-Gg(UO，这样，可 以用另外一个校正环节L。ut = Gc(Lin)和它进行级联，来使得总的Gamma特性成 为真正的线性关系，从而达到;f交正掉给定环节的非线性的目的。显然，Gg(.)和Gc(.)互为反函数。在一般情况下，对于一个函数，要获得其 反函数不一定有解，而且，即使存在反函数，也无法用计算的方法获得。实际应用中，更多的情况是存在多个Gamma环节的情况，对多个Gamma 环节的Gamma校正原理图如附图5所示。图5中，校正环节需要插入到前后两个给定Gamma环节之间。前给定环节的Gamma特性即L。ut = Ga(Lin)，后给定环节的Gamma特性即L。ut = Gp(Lin)。此时， 校正环节中的Gc(.)非常复杂，Gc(.)和Ga(.)或者Gp(.)之间不再是简单的反函数关 系了。实现上述Gamma^交正方法，其前提是能够对于一个给定的Gamma环节或 者多个给定的Gamma环节的级联确定Gamma特性参数。这里的Gamma特性参 数就是Gamma特性函数曲线的参数。在通信的一^L情况下，校正需要涉及到两个以上的通信终端。比如在一个 两方视频通信中，终端A的视频传送到终端B，那么这路视频的校正就同时涉及 到终端A上的Gamma环节和终端B上的Gamma环节。目前，确定Gamma特性参数的方法主要有两种方法一仪器测量方法。即通过专用仪器测量出Gamma特性函数曲线上的 一些点，然后，采用数据拟合的方法来进行曲线拟合，以确定Gamma特性参数。方法二采用输入亮度信号和输出亮度信号的方法。即对于单个给定的 Gamma环节，只要Gg(.)满足一定条件，就可以找到对Gg(.)进行Gamma校正的 Gc(.);对于多个给定的Gamma环节，只要Ga(.)、 Gp(.)满足一定条件，就可以 找到对Ga(.)和Gp(.)进行Gamma校正的Gc(.)。从上述两种方法的描述可以看出，目前确定Gamma特性参数的实现方法都 有一个前提条件，即明确知道需要被确定Gamma特性参数的Gamma环节的输入 亮度信号和输出亮度信号的具体数值，也就是明确知道Gamma环节的输入亮度 信号和输出亮度信号的全部知识，因此，上述两种确定Gamma特性参数的实现 方法均属于非盲测量方法。非盲测量方法的实现原理如附图6所示。'图6中，Gamma特性参数测量系统利用Gamma环节的输入亮度信号全部知 识、输出亮度信号全部知识测量出Gamma特性参数，这里的Gamma环节可以是 单个Gamma环节，也可以是级联的Gamma环节。 但是，非盲测量方法在实际应用中的适用范围是非常有限的，也就是说， 上述前提条件在很多情况下是不能满足的，下面例举目前常见的三种不能满足 上述前提条件的应用。应用情景一对于IPTV( Internet Protocol Television )等流i某体业务和应用， 由于节目制作过程中，已经受到了视频输入设备的Gamma特性的影响，在节目 播出的时候，尤其是点播等情况，已经无法获得原来节目制作时候用于采集视 频信号的视频输入设备的Gamma特性，而且，也不可能对视频输入设备的 Gamma特性参数进行测量了 。应用情景二对于数据会议等应用也存在上述问题。目前，视频会议的发 展和数据会议的发展同步，两者完善的结合，对于协作应用(collaborative applications)有4艮大的意义。在企业等环境中，上述协作应用业务有强烈的市 场需求。但是，在数据会议应用中，很多多媒体资料比如图片等的来源是不可 考的，很难获得当时生成这些数据的视频输入设备的Gamma特性，而且，也不 可能对视频输入设备的Gamma特性参数进行测量了 。应用情景三对于面向千万家庭用户的公众视频通信业务来说，为了降低 成本和视频通信业务使用门槛，往往大量的采用廉价摄像头，尤其是那些非常 便宜的USB接口摄像头。这些廉价的视频输入设备的Gamma特性曲线和标准的 L。ut= Li^s相差很远，甚至根本不是幂函数的形式。而且从这些廉价摄像头的 出厂技术资料中一般无法获取其Gamma特性参数。甚至有些廉价的摄像头根本 就没有出厂技术资料。用户在家里使用这些摄像头时，也不可能通过上述确定 Gamma特性参数的方法来获得Gamma特性参数。以上三种应用是非常重要的，而且，上述三种应用都有;f艮大的市场潜力， 尤其是IPTV和协作数据会议市场的发展非常快。视频通信要真正用于巨大的市 场，必须依靠走公众运营的道路来吸引千家万户，这样就要求入门条件一定要 非常低，视频输入设备的价格要非常低廉。目前确定Gamma特性参数的非盲测
量方法使Gamma校正难于应用，而且，通过专用仪器测量的方法提高了视频通 信业务的实现成本。发明内容本发明的目的在于，提供一种视频通信伽玛特性的校正方法和装置，利用 输出亮度信号的直方图来确定伽玛特性参数，以实现降低视频通信成本，提高 Gamma校正易用性的目的。为达到上述目的，本发明提供一种视频通信伽玛特性的校正方法，包括a、 获取输出亮度信号的亮度直方图，并将其转换为输出亮度信号亮度分布 概率密度函数；b、 选取输入亮度信号亮度分布概率密度函数的数学形式；c、 将所述输出亮度信号的亮度分布概率密度函数、所述输入亮度信号亮度 分布概率密度函数的数学形式、以及输入、输出亮度分布概率密度函数、Gamma 特性函数三者之间的数学关系描述转化为数学优化目标函数；d、 根据Gamma特性函数、输入亮度信号亮度分布概率密度函数自身的特 性设置一组约束条件，将所述约束条件结合所述数学优化目标函数得到有约束 的数学优化问题；e、 求解所述有约束的数学优化问题，以确定伽玛特性参数；f、 根据所述伽玛特性参数对伽玛环节进行伽玛校正。 所述伽玛环节为单个给定伽玛环节、或者多个给定伽玛环节的级联组合。 所述步骤a中转换为输出亮度信号亮度分布概率密度函数的步骤包括获得输出亮度信号亮度分布概率密度函数在其定义域区间[O， l]上的一组等间隔 离散函数采样值<formula>formula see original document page 11</formula>其中，r为输出亮度信号的幅值，N为输出亮度信号的亮度直方图所包含
的项数，hr(k)为输出亮度信号的亮度直方图。所述步骤c包括输入、输出亮度信号各自的亮度分布概率密度函数f;(x，t)、 f"x，t)与Gamma 特性函数三者之间的数学关系为 d(e;p)fr(r) = fe(e); 其中r = g(e,p),We
; 数学优化目标函^t为J(p， c) = g (d(g-' ; P); P)fr (^i) - fe (g-' P); c))2S 2N 2N 2N其中N为输出亮度信号的亮度直方图的项数，p表示g(e;p)中的参数向 量，且？ = [; 1,/;2,; 3,...^1^]7， C表示fe(e)中的参数向量，且c = [cd,cd—,，….，c,，c。]7 , Cd，cw， cd.2， .....， Co为d+l个多项式系数。 步骤d中 一组约束条件包括 g(l;P) = 1;S i + lk(cd, cd—,,..." c, ， c。 ) 2 0，对于任意Cd ， cd_,,.…，c,, c0其中k(cd,cd—,，….，c,，c。)是决定函数fe(e)在区间[O, l]上的最小值依赖于参数Cd，Cw，....,C,，C。的函数关系。所述步骤e中求解所述有约束的数学优化问题为确定有约束的数学优化 问题中数学优化目标函数的全局最小点pglbm， cglbm。所述步骤e的求解方法为拉格朗日乘子方法、或者惩罚函^:方法、或者 松弛因子方法、或者有约束的蛮力搜索方法、或者有约束的组合优化方法、或 者神经网络方法。本发明还提供一种视频通信伽玛特性的校正装置，所述装置包括获取并 转换模块、存储模块、建立有约束数学优化问题模块、Gamma特性参数求解模 块和伽玛校正模块；获取并转换模块获取输出亮度信号的亮度直方图，并将其转换为输出亮 度信号亮度分布概率密度函数；存储模块存储输入亮度信号亮度分布概率密度函数的数学形式，以及输 入、输出亮度分布概率密度函数与Gamma特性函数三者之间的数学关系和一组 约束条件，所述约束条件是根据Gamma特性函数、输入亮度信号亮度分布概率 密度函数自身的特性设置的；建立有约束数学优化问题模块将获取并转换模块中的输出亮度信号亮度 分布概率密度函数、存储模块中存储的输入亮度信号亮度分布概率密度函数的 数学形式、以及输入、输出亮度分布概率密度函数与Gamma特性函数三者之间 的数学关系描述转化为有约束的数学优化问题；Gamma特性参数求解模块用于对所述有约束的数学优化问题进行求解计 算，以确定伽玛特性参数；伽玛校正模块用于根据所述伽玛特性参数对伽玛环节进行伽玛校正。所述建立有约束数学优化问题模块中的数学优化目标函数为J(P，c) = |;(d(g-'(^l;P);P)fr(^Vfe(g-'(^sp);c))2 S 2N 2N 2N其中N为输出亮度信号的亮度直方图的项数，p表示g(e;p)中的参数向量， 且P:[A，/J"P3，…，Pm]7 ' c表示fe(e)中的参数向量'JLc = [cd，cd—"…"c,，c。〗r, Cd, Cd小 cd.2， .....， Co为d+l个多项式系数；存储模块中存储的一组约束条件包括 g(l;P) = 1;i + lk(cd ， Cd一, ， …，c,, c。)》0，对于任意Cd ， cd—,"…，c, ， c。
其中k(cd，cd—,，....,c,，c。)是决定函数fe(e)在区间
上的最小值如何依赖于参数Cd，Cd-1...,c,，c。的函数关系。所述装置位于视频数据源设备中、和/或位于视频通信网络的中间设备中、 和/或4立于4见频数4居目的i殳备。通过上述技术方案的描述可知，本发明提供的Gamma校正方法仅需要输 出亮度信号的直方图即可，这样，本发明的Gamma参数确定方法可以称为全 盲测量方法；由于本发明不需要输入亮度信号的任何知识，因此，本发明的 Gamma校正方法具有很高的应用可行性；本发明的伽玛校正方法特别适用于 IPTV、协作数据会议、广泛使用低端视频输入设备的公众视频通信；从而通过 本发明提供的技术方案实现了降低Gamma校正适用的前提条件要求，提高 Gamma校正易用性，拓宽Gamma校正的应用范围，提高用户体验和服务质量 的目的。


图l是环节Gamma特性的模型示意图；图2 (a)是Gamma特性示意图一；图2 (b)是Gamma特性示意图二；图3是多个环节级联的Gamma特性的模型示意图；图4是对 一 个Gamma环节的Gamma校正原理示意图；图5是对多个Gamma环节的Gamma校正原理示意图；图6是现有技术中的非盲测量方法的实现原理示意图；图7是本发明实施例的全盲Gamma特性参数确定方法的实现原理示意图；图8是视频信号的亮度直方图示例图。
具体实施方式
在很多应用场景中，输出亮度信号的具体数值即全部知识是可知的，而输
入亮度信号的具体数值是不可知的，甚至输入亮度信号的任何知识均不可知。本发明仅利用了输出亮度信号的知识来确定Gamma特性参数，以进行Gamma 校正的。由于在本发明的技术方案中，没有利用输入亮度信号的任何知识，所 以，本发明技术方案中确定Gamma特性参数的方法可以称为全盲Gamma特性参 数确定方法。本发明的全盲Gamma特性参数确定方法的实现原理如附图7所示。 图7中，对于需要确定Gamma特性的环节，本发明根据已知的输出亮度信 号的知识来确定该环节的Gamma特性参数。在本发明的全盲Gamma特性参数确 定方法中，输出亮度信号的全部知识是已知的，但是，本发明并不一定利用输 出亮度信号的全部知识。在根据输出亮度信号的知识确定了Gamma特性参数后，就能够根据Gamma 特性参数对Gamma环节进行Gamma校正了 。在本发明中，需要确定Gamma特 性的环节可以为单个给定的Gamma环节，也可以为多个给定的Gamma环节的级 联组合。下面结合附图对本发明提供的技术方案进行详细描述。首先，本发明需要获取输出亮度信号的亮度直方图，亮度直方图如附图8所示。图8中，设定图像的亮度为0到255个等级，则不同亮度等级均对应于一个亮度分布概率。直方图是图像处理技术领域的技术术语，其实，直方图就是一种离散形式 的分布概率密度函数。视频信号是由一帧一帧的连续图像组成的，输出亮度信号的直方图可以从 某一帧图像中获得。从图像中获得亮度信号的直方图的方法属于常规技术，在 此不再详细描述。获取输出亮度信号的直方图也可以在其它阶段进行，如在输出亮度信号还 在一维信号的时候，获取输出亮度信号的直方图，此时，输出亮度信号并没有
转化成图像。本发明获取直方图的过程可以借助现有的商用集成电路来实现。由于直方 图计算是基本的图像处理功能之一，所以，很多视频通信设备的外围电路，都 能够进行直方图的计算，尤其是在数码相机行业，存在进行多功能处理的芯片， 这些芯片能够实现直方图统计、均衡、图像增强、运动模糊处理等等操作。本 发明可以借助这些目前已有的电路来进行直方图的计算。直方图信息和连续的分布概率密度函数之间存在着密切的关系。 一般来说，由连续的分布概率密度函数可以直接得到亮度直方图；反过来，由亮度直 方图，也可以通过lt据插值或者拟合等方法来得到连续的分布概率密度函数。 事实上，直方图信息和连续的分布概率密度函数存在严格的比例数量关系。以 上关系说明如下。对于单个给定Gamma环节或者多个给定Gamma环节的级联组合来说，亮度 信号的全体集合是(s(t)ltER，05s(t)^1),其中，R表示全体实数集合。也就是说， 亮度信号的全体集合是全体信号幅值(amplitude)小于等于l的非负值时间信 号的集合。这里的亮度信号的取值为非负，亮度信号的取值是根据物理意义确 定的，因为负亮度没有物理意义。任何信号在经过规一化处理之后， 一定会满 足信号幅值小于等于l的条件。这里的亮度信号是普遍意义上的亮度信号，因 此下面的描述对于输入亮度信号、输出亮度信号都适用。为了描述简单起见， 下面以输出亮度信号为例，对直方图信息和连续的分布概率密度函数之间的关 系进4iS兑明。由于存在随机干扰，所以，这些输出亮度信号可以看成是随机过程。这些 输出亮度信号的统计特性可能各不相同，但是，按照信号的统计特性，特别是 按照分布概率特性，可以对输出信号进行分类。任何信号作为一个随机过程都 有一个分布概率密度函数与之对应，如果随机过程是平稳的(这里的平稳是严 格意义上的平稳)，那么这个分布概率密度函数和时间无关；如果随机过程不
是平稳的，那么这个分布概率密度函数可能和时间有关。因此， 一般来说，对 于一个随机过程S(t) (teR，0$S(t)5l )来说，可以用fs(x,t)，teR表示其分布概率密度函数。如果是严格意义上的平稳的随机过程，则f;(x，t)，teR和t无关，即分布概率密度函数不随时间变化而变化，此时，fs(x,t) = fs(x)。信号的少见一化处理方法如下如果一个信号S(t)不满足条件tER，(^S(t)^1，那么，需要对该信号进行规一 化处理，使其满足tGR，OSs(t)Sl。例如如果信号实际的取值范围是[O， Smax]，则规一化处理后的信号Sn(t)为sn(t)=s(t)/ Smax ( 4 )公式(4)中的下标n表示英文normalized，意思为规一化。 相应地，如果将信号从规一化的值还原到实际的取值，即对信号进行逆规 一化处理，其计算公式如下s(t) = S隨sn(t) ( 5 )根据分布概率密度函数的定义，分布概率密度函数有如下属性 [f;(x，t)cb^l,对于任何t并且 (6) f;(x，t)^0,对于任何t而且，对于信号幅值小于等于l的非负值信号，满足 fs(x，t)-0，x〈0或者xM (7) 也就是说，信号值大于1或者小于0是不可能的，概率为零。 作为一个自然推论就是f fs(x，t)dx二l,对于任何t (8)按照概率密度函数的定义，对于很小的区间长度5和区间
上一点xo来 说，fs(x0，t)"Prob{x0 "(t)"。+W (9)或者等效地<formula>formula see original document page 18</formula>其中符号Prob表示概率(Probability)。其直观意义是说，在时刻t，亮度信号落在区间[x。，x。+S]或者[x。-^，x。+p]的概率近似等于f;(x。,t)^。这其实是一种把连续分布概率密度函数变成离散概率 密度的方法。由此可知，由连续概率密度函数，通过这样的离散化可以得到信 号的亮度直方图。对于规一化的亮度信号，可以把[O， l]区间等分成N个子区间，每个子区间 的长度是1/N。第k(k二0,l,2，….，N-l)个子区间是[k/N，(k+l)/N]。如果N足够大，1/N 足够小，那么，可以认为<formula>formula see original document page 18</formula>于是，可以形成一个相无率序列(sequence):<formula>formula see original document page 18</formula>如果信号还原到其非规一化的信号空间中，如在视频通信中通常亮度信号 取0-255的整数，共256级亮度，当然，也可以将亮度信号一般化为2D级亮度的 情况，此时，需要将单位区间即[O， 1]线性映射成集合{0， 1, 2， 3， ...，2D-2, 2D-1}，每个子区间相应扩大2D倍，成为(1/N)2D。于是相应的概率序列变成 连续概率密度函数<formula>formula see original document page 18</formula>根据公式(8)和公式(10),显然可以得出<formula>formula see original document page 18</formula>公式(13)中的这个概率序列就叫做亮度信号s(t)的直方图。 从上述推导中可以明显看出直方图是可以由信号亮度的连续分布概率密
度函数直接得到的，反过来，亮度信号的连续分布概率密度函数也可以由直方 图经过数据插值、拟合等处理后得到。
下面给出一个直方图的具体例子。当信号的亮度包括256亮度级时，概率 序列和直方图中具体数值的对应关系为 h(0)=0 h(l)=0h(64)=0.005 h(65)=0.006h(190)=0.006 h( 191 )=0.005 h(192)=0.001 h(193)=0h(255)=0在本发明中，设定伽码特性函数的具体表现形式是明确知道的，可以从本 发明作为实施例的两种形式中选择一种来用。当然也可以是其它形式的函数， 只要满足连续光滑并且至少二阶可导即可。
下面用函数y = g(x; P)， P = [A ， A ，…， ]7来表示Gamma特性参数未知的 Gamma环节的Gamma特性，这里的Gamma环节包括单个Gamma环节或者多个 Gamma环节的级联组合的情况。上述Gamma特性函数的表示方式中， P^A，/72，…，/^f是一个参数向量， 一般情况下，参数向量由M个参数组成。这 些参数的全部或者部分是需要确定的。因此，按照这个很一般的形式，Gamma 特性函数几乎可以是任何形式的函数，只要满足函数是连续的条件即可，而且， 一般来说，Gamma特性函数是光滑可导的，至少是分段光滑可导的，因此，假 设Gamma特性函数关于变量x的 一阶和二阶导函数存在是合理的。Gamma特性
函数的一阶导函数可以用如下符号表示dx (15)并且，Gamma特性函数，还应该满足 g(i;P)" (16)一般来说，Gamma特性函数可以用如下两种常用的方式来表示 方式一、幂函数 y = g(x;p) = p,xP2 +p3，p = [a，/j2,; 3:f方式二、多项式函数y = g(x;p) = p,xK +p2xK-' +.... + pKx + pK+lJ*' p-[a,P2,P3，…,Pk+, 上述公式(18)也可以变换成公式(19)的表达形式 y = g(x;p) = p, (x-x0)K + p2 (x-x0)K-1 +….+pK (x-x0) + pK+l其中，P^/^P^'.-.'Pk+pXo]7:如果用e(t)和r(t)分别表示输入亮度信号和输出亮度信号，那么，e(t) 和r (t)各自对应的分布概率密度函数是fe(x， t)和f"x, t),并且，e(t)、 r (t)和Gamma特性函数之间存在如下关系r(t) = g(e(t);p)，p = [p,,/^,;^.,/^]7 。根据概率理论，可以推导出(20)(17)(18)(19)d(e;p)ff(r)-f;(e),其中 r = g(e;p)，We
推导出公式(20)的具体过程可以参见常用的概率书籍，在本实施例中不 再详细描述。从公式(20)可以看出，公式(20)和时间变量t无关。其实，Gamma特性 函数本身和时间变量无关，因此，只要在一段相当长的时间内测定一次Gamma 特性参数，在整个通信过程中就可以一直使用这组Gamma特性参数，如在IPTV 中， 一个节目的Gamma特性参数可以认为是相同的，这样，最多在每个节目开 始的时候测量一次Gamma特性参数就可以了 。
本发明首先需要获得输出亮度信号的直方图。对于视频信号，是由一帧一 帧的图像组成的，对于某一帧图像，可以获得其输出亮度信号直方图。从图像获得其直方图的方法属于常规技术，这里不再描述。设定本发明获得的输出亮度信号的直方图为{hr(k)|k=0，l，2，....，N-l}。也就 是说，每个直方图中包含有N个项，在直方图术语中，每一个项叫做"柱"(bin)。根据公式(12)可以由输出图像亮度直方图获得输出亮度信号亮度分布概 率密度函数<formula>formula see original document page 21</formula>
对于均匀分布在[O, l]区间上的N个点a!^^i，k:^l，2，….，N,可以得到函数fjx)在这些离散点上的数值，即<formula>formula see original document page 21</formula>,从而，获得了输出亮2N度信号亮度分布概率密度函数在其定义域区间[O， l]上的一组等间隔离散函数 采样值。其中，r为输出亮度信号的幅值，N为输出亮度信号的亮度直方图所 包含的项数，hr(k)为输出亮度信号的亮度直方图。本发明在确定Gamma参数时不需要输入亮度信号的任何知识，因此，设定 输入亮度信号的直方图为{he(k)|k=0，l，2，....,N-l}，本发明可以选取多项式函 数的数学形式来表示输入亮度信号亮度分布概率密度函数。用多项式函数近似表示的输入亮度信号亮度分布概率密度函数为 <formula>formula see original document page 21</formula>( 22 )其中cd, c化cd.2,....,co.为多项式系数， 一共涉及到d+l个多项式系数。 显然，输入亮度信号亮度分布概率密度函数的导数为<formula>formula see original document page 21</formula> ( 23 )
根据概率分布密度函数的性质可以得出
Jlf"e)de = 1 (24)结合公式(22)就能够得到"c。ic,^1 (25)d + l 'd-'d"d-l '2" S 'i + l另外，本发明引入一个函数k(cd,cd—".…,c,，c。)，该函数定义为 k(cd，cd—，c,，c。) = minfe (e;cd,cd—,，..."c,，Co) ( 26 )关系(26)的含义为函数fe(e)在区间[O， l]上的最小值是其参数 cd，cd——,，.…，c,，c。的函凄丈用函凄丈k(Cd，(v,"…，c,，c。)表示，Wk(cd，cd—,，….，c,，c。)是决定函凄tfe(e)在区间[O， 1]上的最小值如何依赖于参数Cd，Cd—,，.…，C,，C。的函数关系。也就是说，函数fe(e)在区间[O, l]上的最小值，取决于它的各个参数，这样从函数的观点来看，最小值可以看成是Cd,Cd—，.…,C,，C。的一个函数，在数学上，只要一个变量以来于另外一组变量，则该变量就是它所依赖的一组变量的函数。虽然函数k(Cd，Cd一,，.…，C,，C。)不一定存在解析形式，但是， 一定可以用数值计 算的方法，对于任意一组数值Cd,CV,，.…，C,，C。，计算出函数值k(Cd,Cd—,，….，c,，c。)。显然，对于fe(e)来说，对于任意(Ke《1，需要满足fe(e)X)，这个条件等效 于k(cd，cd—p….，c,，c。)20,对于^f壬意Cd，Cd—p….，CpC。 (27)本发明将确定Gamma参数的问题转化为一个数学优化的问题，本发明使用 参数P = [A ， P2, A，…,PM ]7来表征g(e;p),用参数c = [cd，cd—,，…"c, ，c。]'来表征fe(e)，这 样，本发明结合关系(20)可以描述转换为一个关于以上两个需要确定的参数 向量的数学优化目标函数，或者称代价函数J(P，C) = g(d(g-'(^l;P);P)fr(^Vfe(g-'，;p);c))2g 2N 2N 2N (28 )对于上述数学优化目标函数来说，其全局最小点Pg,bm，Cg,bm即为本发明需要获得的求解参数值，即全局最小点即为本发明需要获得的Gamma特性参数。当
然，全局最小点只是数学优化目标函数的一个最优解，本发明不排除全局最小点之外的其他解。上述数学优化目标函数中，下标glb表示英文global minimum, 是全局最小的意思。上述数学优化目标函数是有约束条件的，这个约束条件来源于Gamma特性 函数、输入亮度信号亮度分布概率密度函数自身的特性，即约束条件可以来自 关系(16) 、 (25) 、 (27)。这样，上述数学优化问题其实是一个有约束的数学优化问题。完整表示这 个有约束的数学优化问题的形式是(Pglbm ， cglbm) = argmin J(p， c) = g (d(g-1 ; p); p)fr (^) - fe (g-' ; p); c))2<formula>formula see original document page 23</formula>
公式(29)属于一个典型的带有等式约束条件和不等式约束条件的混合约 束数学优化问题。对带有约束条件的数学优化问题的求解方法比较多，典型的方法有拉格朗 日乘子方法、惩罚函数方法、松弛因子方法、有约束的蛮力搜索方法、有约束 的组合优化方法、或者神经网络方法等。这些求解的方法属于现有技术，在此 不再详细描述。本发明在确定Gamma特性函数的参数向量过程中，涉及到数学优化问题的 求解，该求解过程可以通过采用DSP (Digital Signal Processor,即数字信号处 理器)芯片来实现。当数学优化问题采用所谓的神经网络如Hopfield网络来求 解时，可以利用目前已经存在的商用神经网络数字集成电路芯片。在通过上述方法确定了 Gamma特性函数的参数向量后，就能够对Gamma 环节进行Gamma校正了 。本发明可以利用硬件电路即Gamma校正集成电路芯片 来实现YUV颜色空间的伽玛校正。本发明的Gamma校正集成电路芯片是可以支 持多路视频信号的校正的，并且允许用户通过指令配置其在伽玛校正过程中所需要使用到的参数，如Gamma特性函数的参数向量等。这里，需要进行Gamma 校正的环节可以为视频数据源设备，也可以为视频通信网络中的中间设备，还 可以为视频数据目的设备。从上述技术方案的描述中可以看出，本发明提供的Gamma校正方法仅需要 知道输出亮度信号的直方图和一组宽松的,i设条件就可以确定给定Gamma环 节的Gamma特性参数，从而为多媒体通信系统提供了 一种易于实现的Gamma 校正方法，本发明提供的Gamma校正方法具有很高的应用可行性，从而大大拓 宽了Gamma校正的应用范围，特别能够针对IPTV、协作数据会议、广泛使用低 端视频输入设备的公众视频通信提供了很好的Gamma校正功能，大大提高用户 体验和服务质量，进一步提升上述业务的竟争力，为电信运营商、服务提供商 和设备厂商带来巨大的经济效益。本发明提供的视频通信伽玛特性的校正装置主要包括获取并转换模块、 存储模块、建立有约束数学优化问题模块、Gamma特性参数求解模块和伽玛校 正模块。获取并转换模块主要用于获取输出亮度信号的亮度直方图，并将其转换为 输出亮度信号亮度分布概率密度函数。获取并转换模块可以获得输出亮度信号 亮度分布概率密度函数在其定义域区间[O， l]上的一组等间隔离散函数采样值，即&(^ili);t-o山2…,w —i，其中，r为输出亮度信号的幅值，N为输出亮度信号 2N的亮度直方图所包含的项数，hr(k)为输出亮度信号的亮度直方图。具体如上述 方法中的描述。存储模块主要用于存储预先选取的输入亮度信号亮度分布概率密度函数的数学形式，以及输入、输出亮度分布概率密度函数与Gamma特性函数三者之 间的数学关系和一组约束条件，所述约束条件是根据Gamma特性函数、输入亮 度信号亮度分布概率密度函数自身的特性设置的。具体如上述方法中的描述。
存储模块中存储的输入亮度信号亮度分布概率密度函数的数学形式为多 项式函数的形式，i。fe(e) = cded+cd—2ed-2 +..…+ c,e +c。，其中Cd， Cd.i, cd.2".…c0.为多项式系数， 一共涉及到d+1个多项式系数。存储模块中存储的输入、输出亮度分布概率密度函数与Gamma特性函数三者之间的数学关系为d(e;P)f々)=""其中。r = g(e;p),Vee
存储模块中存储的存储模块中存储的一组约束条件包括g(l;P)"; d 1 台i + lk(cd，cd—,，.…，c,, c。) 2 0,对于任意Cd，cd—' ，..."c,，c0其中k(cd，cd—,，.…，c,，c。)是决定函数fe(e)在区间
上的最小值如何依赖于 参数Cd,v,，....，c,，c。的函数关系。建立有约束数学优化问题模块主要用于将获取并转换模块中的输出亮度 信号亮度分布概率密度函数、存储模块中存储的输入亮度信号亮度分布概率密 度函数的数学形式、以及输入、输出亮度分布概率密度函数与Gamma特性函数 三者之间的数学关系描述转化为有约束的数学优化问题。建立有约束数学优化 问题模块中的数学优化目标函数为J(P，C) = g(d(g-'(^l;P);P)fr(^Vfe(g-'(^p);c)" S 2N 2N 2N其中N为输出亮度信号的亮度直方图的项数，p表示g(e; p)中的参数向量， iLp = [A，P2，P3，-"PM]7'' c表示fe(e)中的参数向量'且C-[Cd,Cd—,Cl，C。]r， cd， cd"， cd.2, .....， Co为d+l个多项式系数。Gamma特性参数求解模块主要用于结合存储模块中存储的约束条件，对建 立有约束数学优化问题模块中的数学优化问题进行求解计算，如确定数学优化 目标函数的全局最小点Pg她，Cg馳，这个全局最小点即是本发明确定的伽玛特性
参数。Gamma特性参数求解模块可以采用拉格朗日乘子方法、惩罚函数方法、 松弛因子方法、有约束的蛮力搜索方法、有约束的组合优化方法、或者神经网络方法等来确定全局最小点Pg,bm，Cg脇。具体如上述方法中的描述。伽玛校正模块主要用于根据Gamma特性参数求解模块确定的伽玛特性参 数对伽玛环节进行伽玛校正。具体如上述方法中的描述。本发明提供的装置位于视频设备中，如位于视频数据源设备中、位于视频 通信网络的中间设备中，再如位于视频数据目的设备中。虽然通过实施例描绘了本发明，本领域普通技术人员知道，本发明有许多 变形和变化而不脱离本发明的精神，本发明的申请文件的权利要求包括这些变 形和变化。
权利要求
1、一种视频通信伽玛特性的校正方法，其特征在于，包括a、获取输出亮度信号的亮度直方图，并将其转换为输出亮度信号亮度分布概率密度函数；b、选取输入亮度信号亮度分布概率密度函数的数学形式；c、将所述输出亮度信号的亮度分布概率密度函数、所述输入亮度信号亮度分布概率密度函数的数学形式、以及输入、输出亮度分布概率密度函数、Gamma特性函数三者之间的数学关系描述转化为数学优化目标函数；d、根据Gamma特性函数、输入亮度信号亮度分布概率密度函数自身的特性设置一组约束条件，将所述约束条件结合所述数学优化目标函数得到有约束的数学优化问题；e、求解所述有约束的数学优化问题，以确定伽玛特性参数；f、根据所述伽玛特性参数对伽玛环节进行伽玛校正。
2、 如权利要求1所述的方法，其特征在于，所述伽玛环节为单个给定 伽玛环节、或者多个给定伽玛环节的级联组合。
3、 如权利要求l所述的方法，其特征在于，所述步骤a中转换为输出亮度 信号亮度分布概率密度函数的步骤包括获得输出亮度信号亮度分布概率密度 函数在其定义域区间
上的一组等间隔离散函数采样值<formula>formula see original document page 2</formula>其中，r为输出亮度信号的幅值，N为输出亮度信号的亮度直方图所包含 的项数，hr(k)为输出亮度信号的亮度直方图。
4、 如权利要求3所述的方法，其特征在于，所述步骤c包括输入、输出亮度信号各自的亮度分布概率密度函数f;(x,t)、 f;(x，t)与Gamma特性函数三者之间的数学关系为d(e;p)fr(r) = fe(e); 其中r = g(e,p)，We
;数学优化目标函数为J(p，c)^(d(g-'(^i;p函^Vfe(g-'(^l;p);c)" ^ 2N 2N 2N其中N为输出亮度信号的亮度直方图的项数，p表示g(e;p)中的参数向量，且P-[A，/^，A"…，Pm:T' c表示fe(e)中的参数向量，JU = [cd，cd—,"…，Ci，Co]7 , cd，为d+l个多项式系数。
5、 如权利要求4所述的方法，其特征在于，步骤d中一组约束条件包括 g(l;P) = l;<formula>formula see original document page 3</formula>，对于任意Cd，Cd屮…"c,，c。其中k(Cd，cv,，.…,c,，c。)是决定函数fe(e)在区间[O, l]上的最小值依赖于参数Cd,Cd屮…"C,，Co的函数关系。
6、 如权利要求4所述的方法，其特征在于，所述步骤e中求解所述有约束 的数学优化问题为确定有约束的数学优化问题中数学优化目标函数的全局最小点Pglbm， Cgibm。
7、 如权利要求6所述的方法，其特征在于，所述步骤e的求解方法为拉 格朗日乘子方法、或者惩罚函数方法、或者松弛因子方法、或者有约束的蛮力 搜索方法、或者有约束的组合优化方法、或者神经网络方法。
8、 一种视频通信伽玛特性的校正装置，其特征在于，所述装置包括获 取并转换模块、存储模块、建立有约束数学优化问题模块、Gamma特性参数求解模块和伽玛校正模块；获取并转换模块获取输出亮度信号的亮度直方图，并将其转换为输出亮 度信号亮度分布概率密度函数；存储模块存储输入亮度信号亮度分布概率密度函数的数学形式，以及输 入、输出亮度分布概率密度函数与Gamma特性函数三者之间的数学关系和一组 约束条件，所述约束条件是根据Gamma特性函数、输入亮度信号亮度分布概率 密度函数自身的特性设置的；建立有约束数学优化问题模块将获取并转换模块中的输出亮度信号亮度 分布概率密度函数、存储模块中存储的输入亮度信号亮度分布概率密度函数的 数学形式、以及输入、输出亮度分布概率密度函数与Gamma特性函数三者之间 的数学关系描述转化为有约束的数学优化问题；Gamma特性参数求解模块用于对所述有约束的数学优化问题进行求解计 算，以确定伽玛特性参数；伽玛校正模块用于根据所述伽玛特性参数对伽玛环节进行伽玛校正。
9、如权利要求8所述的装置，其特征在于所述建立有约束数学优化问题模块中的数学优化目标函数为<formula>formula see original document page 4</formula>其中N为输出亮度信号的亮度直方图的项数，p表示g(e;p)中的参数向量, 且P^A，P"A,…,Pm]7 ' c表示fe(e)中的参数向量'JLc = [cd，cd—,，….,c,，c。]7 ， cd, Cd.,， cd-2， ....., Co为d+l个多项式系数；存储模块中存储的 一组约束条件包括 g(l;P)";k(cd ， cd—,，…"c, ， cQ) 2 0，对于任意Cd, ，..." c, ， c0 其中k(cd,cd—,，....，c,，c。)是决定函数fe(e)在区间
上的最小值如何依赖于参数 Cd，Cd—,，.…，C,，C。的函数关系。
10、如权利要求8或9所述的装置，其特征在于，所述装置位于视频数据源 设备中、和/或位于视频通信网络的中间设备中、和/或位于视频数据目的设备。
全文摘要
本发明提供一种视频通信伽玛特性的校正方法和装置获取输出亮度信号的亮度直方图，并将其转换为输出亮度信号亮度分布概率密度函数，选取输入亮度信号亮度分布概率密度函数的数学形式；根据输入、输出亮度分布概率密度函数，以及Gamma特性函数三者之间的数学关系，进行问题描述的转化，从而建立数学优化目标函数，得到一个有约束的数学优化问题；其中的约束条件由Gamma特性函数、输入亮度信号亮度分布概率密度函数自身的特性得到；对于所述的有约束数学优化问题进行求解，以确定伽玛特性参数；根据所述伽玛特性参数对伽玛环节进行伽玛校正。本发明全盲的伽码特性参数确定方法降低了Gamma校正适用的前提条件要求，从而提高了Gamma校正易用性，拓宽了Gamma校正的应用范围。
文档编号H04N9/69GK101132538SQ20061011181
公开日2008年2月27日 申请日期2006年8月23日 优先权日2006年8月23日
发明者忠 罗 申请人:华为技术有限公司